本报告系统梳理了7种常用数据异常值处理方法（均值标准差修正法、固定比率修正法、中位数去极值法、Beat G.Briner法、因子排序值标准化法、箱形图法、无量纲处理法），并通过实证检验对比各方法的优劣。核心发现：对于财务数据特别是增长率类数据，中位数去极值法和箱形图法稳健性更优；分位数回归相比传统OLS回归更能抵抗极端值影响，且可描述条件分布全貌。报告还包含市场风格解析（高Beta、高波动股票近期占优）和指数风险预测（未来一月年化波动21%-31%）。适合量化研究员、金融分析师、基金经理、金融工程学生等专业人士参考，帮助提升因子建模与风险预测的准确性。
本报告系统梳理了7种常用数据异常值处理方法（均值标准差修正法、固定比率修正法、中位数去极值法、Beat G.Briner法、因子排序值标准化法、箱形图法、无量纲处理法），并通过实证检验对比各方法的优劣。核心发现：对于财务数据特别是增长率类数据，中位数去极值法和箱形图法稳健性更优；分位数回归相比传统OLS回归更能抵抗极端值影响，且可描述条件分布全貌。报告还包含市场风格解析（高Beta、高波动股票近期占优）和指数风险预测（未来一月年化波动21%-31%）。适合量化研究员、金融分析师、基金经理、金融工程学生等专业人士参考，帮助提升因子建模与风险预测的准确性。
本报告系统梳理了7种常用数据异常值处理方法（均值标准差修正法、固定比率修正法、中位数去极值法、Beat G.Briner法、因子排序值标准化法、箱形图法、无量纲处理法），并通过实证检验对比各方法的优劣。核心发现：对于财务数据特别是增长率类数据，中位数去极值法和箱形图法稳健性更优；分位数回归相比传统OLS回归更能抵抗极端值影响，且可描述条件分布全貌。报告还包含市场风格解析（高Beta、高波动股票近期占优）和指数风险预测（未来一月年化波动21%-31%）。适合量化研究员、金融分析师、基金经理、金融工程学生等专业人士参考，帮助提升因子建模与风险预测的准确性。核心数据:7种常用异常值处理方法;年化波动区间21%-31%;中位数去极值法和箱形图法更稳健。
本报告由财通证券发布,发布于 2019 年。
覆盖 2019 年,全文约 23。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合量化研究员、金融分析师、基金经理、金融工程学生等读者参考。
重点分析了金融投资、金融投资研究等议题。